PROTOTYPE SISTEM KONTROL DAN MONITORING SUHU …

23

PROTOTYPE SISTEM KONTROL DAN MONITORING SUHU SERTA

KETINGGIAN AIR PADA KOLAM BUDIDAYA IKAN

MENGGUNAKAN LOGIKA FUZZY

Sitti Amalia1, *Rafika Andari

2, Kartiria

3, Pristian Efra Putra

4

1234Prodi Teknik Elektro, Fakultas Teknik, Institut Teknologi Padang, Indonesia

[email protected], *Corresponding author

Abstrak: Prototype Sistem Kontrol dan Monitoring Suhu Serta Ketinggian Air pada Kolam

Budidaya Ikan Menggunakan Logika Fuzzy. Kualitas air yang kurang baik mengakibatkan

pertumbuhan ikan menjadi lambat, dalam usaha budidaya ikan nila ketersediaan air dan kualitas air

merupakan salah satu faktor yang menentukan keberhasilan dalam usaha budidaya ikan. Untuk kualitas

air pada pembudidayaan ikan nila khususnya pada besaran fisik air, suhu air yang optimal sebagai

penentu keberhasilan bagi budidaya ikan nila adalah 25-30°C. Pentingnya pengontrolan dan

pemantauan kualitas air pada keberhasilan budidaya ikan, maka perlu dirancang suatu sistem

pengontrolan suhu dan ketinggian air yang bisa dimonitoring dari jarak jauh dengan menggunakan

metode logika fuzzy dan menggunakan Internet of Things (IoT) sebagai monitoring, dalam kasus ini

perancangan dalam skala aquarium 30x30x30 cm. Sistem kontrol dan monitoring dalam penelitian ini

berhasil dilakukan. Untuk pengontrolan ketinggian air, debit air yang masuk setiap menitnya adalah 3

liter. Untuk mengontrol suhu air dengan kondisi air panas dan dingin, waktu yang diperlukan untuk

menaikkan suhu sebesar 1°C adalah 38,9 menit dan waktu yang diperlukan untuk menurunkan suhu

sebesar 1°C adalah 20,4 menit dengan ketinggian air rata-rata 15 cm atau setara dengan 13,5 liter.

Kemudian alat ini berhasil dimonitoring dengan menggunakan Internet of Things (IoT) dengan koneksi

internet dari jarak jauh.

Kata kunci: Logika Fuzzy, Internet of Things, Sistem Kontrol, Monitoring.

Abstract: Prototype System of Control and Monitoring of Temperature And Water Level in Fish

Farming Pond Using Fuzzy Logic. Poor water quality results in slow fish growth. In tilapia

aquaculture, water availability and water quality are among the factors that determine the success of

fish farming. For water quality in tilapia cultivation, especially in the physical quantity of water, the

optimal water temperature as a determinant of success for tilapia aquaculture is 25-30 °C. The

importance of controlling and monitoring water quality in the success of fish farming, it is necessary to

design a temperature and water level control system that can be monitored remotely using fuzzy logic

methods and using the Internet of Things (IoT) as monitoring, in this case the design on an aquarium

scale 30x30x30 cm. The control and monitoring system in this study was successfully carried out. To

control the water level, the water flow that enters every minute is 3 liters. To control water

temperature with hot and cold water conditions, the time needed to raise the temperature by 1°C is

38,9 minutes and the time needed to reduce the temperature by 1°C is 20,4 minuteswith an average

water level of 15 cm or the equivalent of 13.5 liters. Then this tool is successfully monitored using the

Internet of Things (IoT) with an internet connection remotely.

Keywords: Fuzzy Logic, Internet of Things, Control System, Monitoring.

History &License of Article Publication:

Received: 12/04/2021 Revision: 26/05/2021 Published: 12/07/2021

DOI: https://doi.org/10.37971/radial.v9i1.217

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Vol. 9 No. 1, Juni 2021, Hal. 23-38

Available at https://stitek-binataruna.e-journal.id/radial/index ISSN: 2337-4101

Published by STITEK Bina Taruna Gorontalo E-ISSN: 2686-553X

mailto:[email protected]

https://doi.org/10.37971/radial.v9i1.217

https://creativecommons.org/licenses/by-nc-sa/4.0/

https://creativecommons.org/licenses/by-nc-sa/4.0/

Prototype Sistem Kontrol dan Monitoring Suhu Serta Ketinggian Air pada Kolam Budidaya Ikan Menggunakan Logika

Fuzzy (Amalia) https://stitek-binataruna.e-journal.id/radial/index

24

PENDAHULUAN

Perkembangan ikan nila di Indonesia cukup pesat, hal ini ditandai dengan adanya peningkatan

produksi ikan nila dari tahun ke tahun, hal ini disebabkan oleh minat masyarakat yang semakin

meningkat (Gustiano, 2008). Kualitas air yang kurang baik mengakibatkan pertumbuhan ikan ini

menjadi lambat, dalam usaha budidaya ikan nila (Oreochromis niloticus) ketersediaan air dan

kualitas air merupakan salah satu faktor yang menentukan keberhasilan dalam usaha budidaya ikan

(Suyanto, 1993). Untuk kualitas air pada pembudidayaan ikan nila khususnya pada besaran fisik air,

pada masa pemijahan ikan nila suhu yang optimal antara 26-30°C (Suripin, 2002). Ikan nila dapat

mentolerir suhu antara 15°C sampai 37°C untuk bertahan hidup. Sedangkan suhu air yang optimal

sebagai penentu keberhasilan bagi budidaya ikan nila adalah 25-30°C (Stickney, 2000). Oleh karena

itu kondisi suhu air dijaga agar tetap hangat, agar bakteri tidak akan tumbuh dan benih akan sering

makan, serta kadar oksigen juga akan dijaga. Pada suhu air yang hangat, proses metabolisme ikan

juga bekerja lebih cepat (Yuliana, 2018).

Ikan nila memiliki batasan toleransi yang cukup tinggi terhadap berbagai kondisi lingkungan

perairan. Ikan nila yang masih berukuran kecil pada umumnya lebih tahan terhadap perubahan

lingkungan dibandingkan dengan ikan nila yang berukuran besar. Suhu merupakan salah satu faktor

teknis yang harus diperhatikan dalam kualitas air untuk pembudidayaan ataupun pemeliharaan ikan

nila (Yanuar, 2018). Peningkatan dan penurunan suhu air kolam budidaya yang tidak sesuai dengan

kondisi ikan akan menyebabkan ikan mengalami kesulitan melakukan proses mobilisasi energi dan

mengakibatkan kematian dalam waktu singkat (Pramana, 2018).

Pemantauan kualitas air pada kolam budidaya ikan saat ini masih banyak dilakukan dengan cara

manual dengan langsung mengukur kualitas air ke kolam budidaya, hal ini tentunya tidak efektif

dan memerlukan waktu yang lama serta tidak effisien (Simanjuntak, 2013). Pentingnya pemantauan

secara kontinu kualitas air pada keberhasilan budidaya ikan, maka perlu dirancang suatu perangkat

sistem kontrol dan monitoring kualitas air pada kolam budidaya ikan dengan sistem yang tetap

stabil, yang dapat dikontrol secara otomatis dan dimonitoring dari jarak jauh. Parameter kualitas air

yang dikontrol pada penelitian ini terdiri atas level ketinggian air dan temperatur (suhu) air.

Pentingnya pengontrolan dan pemantauan kualitas air pada kolam budidaya ikan nila sebagai faktor

keberhasilan.

Berdasarakan latar belakang diatas, maka peneliti tertarik untuk merancang suatu kolam

budidaya berskala aquarium yang dapat mengontrol suhu dan ketinggian air dan bisa dimonitoring

dari jarak jauh dengan menggunakan motode logika fuzzy sebagai pengontrolan dan menggunakan

Internet of Things (IoT) sebagai monitoring. Selama beberapa tahun terakhir kontrol fuzzy telah

muncul sebagai alternatif praktis untuk skema pengontrolan otomatis. Logika fuzzy adalah suatu

cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini

menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan ketidakpastian

yang telah menjadi sifat alamiah manusia (Tarigan, 2013). Sedangkan Internet of Things (IoT)

merupakan perkembangan keilmuan yang sangat menjanjikan untuk mengoptimalkan kehidupan

berdasarkan sensor cerdas dan peralatan pintar yang bekerjasama melalui jaringan internet

(Syaifudin, 2021). Internet of Things (IoT) berupa kumpulan benda-benda (things), seperti

perangkat fisik (hardware/ embedded sistem) yang mampu bertukar informasi antar sumber

informasi, operator layanan ataupun perangkat lainnya yang terhubung kedalam sistem sehingga

dapat memberikan kemanfaatan yang lebih besar dalam pemantauan atau monitoring (Mahali,

2017).



25

METODE

Deskripsi Penelitian

Perancangan dalam pembuatan tugas akhir ini bertujuan untuk memudahkan dalam proses

perancangan alat, mekanik, serta proses analisa. Perancangan awal dilakukan dengan menentukan

lokasi pembuatan alat, membuat blok diagram (seperti pada Gambar 1), flowchart (seperti pada

Gambar 2), desain mekanik, serta membuat sistem kerja alat yang akan dibuat.

Blok Diagram

Gambar 1. Blok Diagram Penelitian

Flowchart

Gambar 2. Flowchat Penelitian



26

Perancangan Skema Rangkaian dan Mekanik

Perancangan skema rangkaian

Gambar 3. Skema rangkaian proteus

Pada alat ini sebelum melakukan proses pembuatan rangka, maka dibutuhkan lah proses

perancangan mekanik terlebih dahulu, untuk perancangan desain mekanik pada alat ini

menggunakan software sketchup. Untuk desain mekanik pada alat dapat dilihat pada Gambar 4.

Gambar 4. Desain mekanik

Bahan yang akan digunakan pada proses pembuatan mekanik ini menggunakan bahan akrilik

dengan ketebalan sebesar 2 mm.

Ukuran pada desain mekanik :

Tinggi = 30 cm

Lebar = 30 cm

Panjang = 30 cm

Perancangan metode logika fuzzy menggunakan matlab.



27

Pada proses pembuatan alat ini sebelum mengimplementasikan pada program modul wemos,

penulis terlebih dahulu menentukan nilai fuzifikasi terlebih dahulu menggunakan plugin logika

fuzzy pada software matlab. Untuk tampilan awal pada menu fuzzy di matlab dapat dilihat pada

Gambar 5.

Gambar 5. Fuzzy matlab

Pada gambar diatas merupakan tampilan awal fuzzy matlab terdiri dari 1 input dan 1 output.

Untuk penentuan membership function pada alat ini dapat dilihat pada Gambar 6.

Gambar 6. Membership function suhu

Pada Gambar 6. diatas merupakan membership function suhu untuk input pertama, dimana

terdapat 3 variabel yaitu, dingin, sedang dan panas. Sedngkan untuk bagian membership function

bagian jarak sensor dapat dilihat pada Gambar 7.

Gambar 7. Membership function jarak sensor ultrasonic



28

Untuk input kedua yaitu membership function jarak sensor ultrasonik, terdapat 3 variabel

membership function yaitu, rendah, sedang dan tinggi. Untuk membership function tinggi air dapat

dilihat pada Gambar 8.

Gambar 8.Membership function tinggi air

Output pada fuzzy matlab yang akan dirancang untuk simulasi matlab adalah tinggi air, untuk

variabel membership function adalah rendah, sedang dan tinggi. Untuk aturan kebenaran fuzzy

padaperancangan pada alat ini dapat dilihat pada Tabel 1.

Tabel 1. Tabel kebenaran aturan fuzzy

S

U D S P

R R T S

S R S S

T R R R

Keterangan :

D : Dingin

S : Sedang

P : Panas

R : Rendah

S : Sedang

T : Tinggi

HASIL DAN PEMBAHASAN

Deskripsi Data

Pada penelitian ini pengujian dilakukan terhadap alat yang telah di rancang dan juga ada

beberapa data yang digunakan untuk pengujian, yaitu data pengujian dengan suhu air dingin, suhu

air panas dan data pengujian dengan ketinggian air. Adapun alat yang akan diuji adalah seperti

terlihat pada Gambar 9.



29

Gambar 9a. Tampilan alat Tampak depan

Gambar 9b. Tampilan alat tampak atas

Gambar 9c. Tampilan alat tampak samping



30

Analisa dan Pengujian

Setelah melakukan pengujian hardware dan pengujian software, selanjutnya penulis melakukan

pengambilan data. Pengujian pengambilan data ini berguna untuk mengetahui perbandingan antara

kondisi pada alat dengan kondisi simulasi pada matlab dan juga menganalisa waktu yang diperlukan

untuk mencapai set point. Untuk model pengambilan data dilakukan 5 kali masing-masing pada

kondisi dengan suhu awal yang berbeda-beda.

1. Pengujian Suhu Air Dingin

Tabel 2. Data pengujian pada suhu air dingin

No Suhu awal

air (°C)

Suhu mencapai

Set point (°C)

Kondisi

heater

Waktu mencapai

set point (menit)

1 24,6 27 ON 93

2 24,2 27,4 ON 124

3 23,3 27,2 ON 151

4 22 27 ON 194

5 20,7 27 ON 245

Dari data Tabel 2. diatas, dapat dilihat pengujian data dengan kondisi air pada suhu dingin dengan

pengambilan data sebanyak 5 kali, suhu awal air pada tabel sengaja di atur pada kondisi suhu dingin

atau suhu dibawah set point agar kondisi heater pada aquarium menyala dan mulai memanaskan air

sehingga air kembali ke kondisi set point. Dengan kondisi tabel diatas maka dapat kita lakukan

perhitungan perpindahan kalor pada setiap pengujian dengan perhitungan sebagai berikut :

Diketahui :

𝑅𝑒 = 𝑉 × 𝐿

𝜇=

0,5598 × 0,15

16,96 × 10−6= 495

ℎ = 0,664 × 𝑘

𝐿𝑅𝑒𝐿

0,5𝑃𝑟0,333 = 0,664 × 0,02756

0,154950,50,6990,333

ℎ = 2,4 W/m2

°C

A = 6 x s2

= 6 x 0,3 x 0,3 = 0,54 m2

Dikarenakan luas permukaan air setengah dari luas permukaan aquarium maka:

A = 0,54/2 = 0,27 m2

Pengujian pertama :

𝑞 = ℎ 𝐴 ∆𝑇 = 2,4 x 0,27 x (27-24,6) = 1,5 W

Pengujian kedua :

𝑞 = ℎ 𝐴 ∆𝑇 = 2,4 x 0,27 x (27,4-24,2) = 2,07 W

Pengujian ketiga :

𝑞 = ℎ 𝐴 ∆𝑇 = 2,4 x 0,27 x (27,2-23,3) = 2,5 W

Pengujian keempat :

𝑞 = ℎ 𝐴 ∆𝑇 = 2,4 x 0,27 x (27-22) = 3,2 W

Pengujian kelima :

𝑞 = ℎ 𝐴 ∆𝑇 = 2,4 x 0,27 x (27-20,7) = 4,08 W

Jadi, pada setiap pengujian memiliki laju perpindahan kalor yang berbeda-beda dikarenakan

selisih atau jarak nilai suhu awal dengan nilai suhu pada saat mencapai set point yang juga berbeda-



31

beda dan memiliki pengaruh yang sangat besar terhadap nilai dari laju perpindahan kalor. Dari hasil

perhitungan laju perpindahan kalor yang diperlukan untuk mencapai set point diatas juga dapat

dilihat waktu yang diperlukan untuk mencapai set point yang disajikan seperti pada Tabel 3.

Tabel 3. Data nilai pengaruh pencapaian set point pada suhu air dingin

No Selisih jarak

suhu (°C)

Nilai kalor yang

diperlukan (W)

Waktu mencapai

set point (menit)

1 2,4 1,5 93

2 3,2 2,07 124

3 3,9 2,5 151

4 5 3,2 194

5 6,3 4,08 245

Dari data Tabel 3. diatas menunjukkan bahwa, nilai yang berpengaruh terhadap lama waktu

pencapaian set point yaitu nilai selisih jarak suhu dan nilai laju perpindahan kalor. Semakin kecil

nilai selisih jarak suhu maka nilai kalor yang diperlukan juga akan kecil dan waktu yang diperlukan

juga akan sebentar, akan tetapi jika nilai laju perpindahan kalor diperbesar dengan cara menambah

nilai dari koefisien perpindahan kalor konveksinya, maka waktu yang dibutuhkan untuk mencapai

set point akan semakin kecil.

2. Perbandingan Kondisi Alat dengan Matlab pada Suhu Air Dingin

Untuk perbandingan error pada alat dengan simulasi pada matlab dapat dilihat pada Tabel 4.

Tabel 4. Perbandingan error output alat dengan matlab

No. Suhu air alat

(°C)

Jarak

ultrasonic

alat (cm)

Tinggi air

alat (cm)

Suhu air

matlab

(°C)

Jarak

ultrasonic

matlab (cm)

Tinggi air

matlab (cm)

Perbandingan

error

1 24,2 19 14,6 24,2 19 14,6 0

2 22 21 11 22 21 11 0

3 23,3 16 14,8 23,3 16 14,7 0,1

4 20,7 14 14,7 20,7 14 14,7 0

5 24,6 16 15 24,6 16 14,7 0,3

Berdasarkan hasil Tabel 4. diatas, didapatkan persentase error alat dengan perbandingan pada

simulasi matlab. Dengan perhitungan sebagai berikut :

𝑒𝑟𝑟𝑜𝑟 = 2

5 × 100% = 40%

Jadi, persentase error pada alat dengan perbandingan simulasi matlab adalah sebesar 40%.

Tampilan rule base dapat dilihat pada pada Gambar 10.



32

Gambar 10. Rule base 1 pengujian suhu air dingin

3. Pengujian Suhu Air Panas

Setelah melakukan pengujian dan menganalisa kondisi suhu air dingin pada alat, maka

selanjutnya dilakukan pengujian dan analisa pada alat dengan kondisi suhu air ini panas. Untuk

pengujian pengambilan data dapat dilihat pada Tabel 5.

Tabel 5. Data pengujian pada suhu air panas

No Suhu awal

air (°C)

Suhu

mencapai Set

point (°C)

Kondisi

kipas

Waktu mencapai

set point (menit)

1 31,9 27 ON 100

2 32,6 27 ON 114,2

3 32,9 27 ON 120,3

4 33,9 27,8 ON 125

5 34,8 27 ON 160

Berdasarkan Tabel 5. pengujian pada suhu air panas diatas, kondisinya adalah semakin besar

nilai suhu pada air maka akan semakin lama waktu pencapaian set point nya. Penurunan nilai suhu

untuk mencapai set point dilakukan dengan cara menyalakan kipas pada aquarium dan

mensirkulasikan air yang ada pada aquarium dengan bantuan motor sehingga energi kalor yang ada

pada air akan keluar dan suhu air akan turun sampai pada titik set point. Untuk perhitungan

kerugian energi kalor yang keluar adalah sebagai berikut :

Debit air :

𝑄 = 𝑉

𝑡 =

0,3𝑚 𝑥 0,3𝑚 𝑥 0,15𝑚

480 𝑠= 0,00002812 m

3/s

Kecepatan aliran :

𝑣 = 𝑄

𝐴=

0,00002812

0,00005024 = 0,5598 m/s

Luas penampang bak proses :

𝐴𝑏𝑎𝑘 𝑝𝑟𝑜𝑠𝑒𝑠 = 𝑇 𝑥 𝐿 = 0,15 x 0,30 = 0,045 m2

Laju aliran massa :



33

𝑚 = 𝜌 𝑣 𝐴𝑏𝑎𝑘 𝑝𝑟𝑜𝑠𝑒𝑠 = 1000 kg/m3 x 0,5598 m/s x 0,045 m

2 = 25,191 kg/s

Kerugian Energi kalor yang keluar :

𝑄𝑙𝑜𝑠𝑠 = 𝑚 𝐶𝑃 𝑇𝑖𝑛 − 𝑇𝑜𝑢𝑡

Dimana :

𝑄𝑙𝑜𝑠𝑠 = Kerugian energi kalor (Kj/s)

𝑚 = Laju aliran massa (kg/s)

𝐶𝑃 = Kapasitas panas jenis gas ideal pada tekanan konstan (0,95 Kj/s)

𝑇𝑖𝑛 = Temperatur masuk (°C)

𝑇𝑜𝑢𝑡 = Temperatur keluar (°C)

Penyelesaian percobaan pertama:


= 25,191 kg/s x 0,95 Kj/s x (31,9 °C − 27 °C)

= 117,264 Kj/s

Penyelesaian percobaan kedua:


= 25,191 kg/s x 0,95 Kj/s x (32,6 °C − 27 °C)

= 134,016 Kj/s

Penyelesaian percobaan ketiga:


= 25,191 kg/s x 0,95 Kj/s x (32,9 °C − 27 °C)

= 141,195 Kj/s

Penyelesaian percobaan keempat:


= 25,191 kg/s x 0,95 Kj/s x (33,9°C−27,8 °C)

= 145,982 Kj/s

Penyelesaian percobaan kelima:


= 25,191 kg/s x 0,95 Kj/s x (34,8 °C − 27 °C)

= 186,665 Kj/s

Dari perhitungan kerugian energi kalor diatas dapat disimpulkan bahwa semakin besar jarak

antara suhu masuk dan suhu keluar, maka energi kalor yang keluar dari temperatur air juga akan

semakin besar. Untuk lebih jelas dapat dilihat pada Tabel 6.

Tabel 6. Data nilai pengaruh pencapaian set point pada suhu air panas

No Selisih jarak suhu

(°C)

Nilai kerugian energi

kalor (Kj/s)

Waktu mencapai set

point (menit)

1 4,9 117,264 100

2 5,6 134,016 114,2

3 5,9 141,195 120,3

4 6,1 145,982 125

5 7,8 186,665 160



34

Kecepatan kipas angin berpengaruh dikarenakan setiap air yang masuk dan keluar diekstrak

oleh kipas angin sehingga suhu air menjadi turun. Kondisi lingkungan seperti udara dan

kelembaban disekitar juga sangat berpengaruh terhadap penurunan suhu.

4. Perbandingan Kondisi Alat dengan Matlab pada Suhu Air Panas

Untuk perbandingan error pada alat dengan simulasi pada matlab dapat dilihat pada Tabel 7.

Tabel 7. Perbandingan error output alat dengan matlab

No. Suhu air

alat (°C)

Jarak

ultrasonic

alat (cm)

Tinggi air

alat (cm)

Suhu air

matlab (°C)

Jarak

ultrasonic

matlab (cm)

Tinggi air

matlab

(cm)

Perbandingan

error

1 31,9 16 10,2 31,9 16 9,85 0,35

2 32,6 19 7 32,6 19 6,96 0,04

3 32,9 21 3,5 32,9 21 3,49 0,01

4 33,9 14 9,2 33,9 14 9,19 0,01

5 34,8 11 7,5 34,8 11 7,5 0

Berdasarkan hasil Tabel 7. diatas, didapatkan persentase error alat dengan perbandingan pada

simulasi matlab. Dengan perhitungan sebagai berikut :

𝑒𝑟𝑟𝑜𝑟 = 4

5 × 100% = 80%

Jadi, persentase error pada alat dengan perbandingan simulasi matlab adalah sebesar 80%.

Untuk tampilan rule base dapat dilihat pada pada Gambar 11.

Gambar 11. Rule base 1 pengujian suhu air panas

5. Pengujian Tinggi Air

Setelah melakukan pegujian pada suhu air dingin dan juga pada suhu air panas, maka

selanjutnya pengujian dilakukan pada level ketinggian air. Untuk data pengujian ketinggian air

dapat dilihat pada Tabel 8.

Tabel 8.Data pengujian tinggi air

No Tinggi air Set point Waktu mencapai



35

awal (cm) (cm) set point (detik)

1 11 15 72

2 14 15 18

3 16 15 18

4 19 15 72

5 21 15 108

Berdasarkan Tabel 8. diatas, didapatkan data bahwa pada setiap 1 cm pengisian maupun

pengurangan air untuk mencapai set point, waktu yang dibutuhkan adalah sekitar 18 detik atau 0,3

menit. Dari hasil pengujian data diatas dapat kita dapatkan debit air yang masuk kedalam aquarium

dengan perhitungan sebagai berikut :

Diketahui :

t = 18 detik = 0,3 menit

v = 30cm x 30cm x 1cm = 900 cm3

= 0,9 liter

𝑄 =𝑉

𝑡=

0,9

0,3= 3 liter/menit

Jadi, debit air yang masuk kedalam aquarium adalah sebesar 3 liter/menit.

6. Hasil Monitoring Internet of Things (IoT)

Pengujian data yang telah diambil langsung dimonitoring dengan Internet of Things (IoT)

dengan cara menerima sinyal yang dikirimkan oleh sensor yang terhubung dengan microcontroller

wemos esp8266. Gambar 12. dibawah merupakan salah satu tampilan monitoring pengujian suhu

air panas.

Gambar 12. Tampilan monitoring pengujian

Pada Gambar 12. menunjukkan bahwa terdapat dua indikator yang dimonitoring yaitu suhu air

dan level air. Pada gambar bagian atas menunjukkan angka suhu yang terbaca pada sensor,

kemudian menunjukkan angka posisi level air dan yang terakhir menunjukkan grafik perpindahan

suhu air. Pada bagian tengah menunjukkan monitoring dengan model led indikator yang menyala

sesuai dengan ketinggian yang telah diatur. Kemudian pada gambar bagian bawah menunjukkan

montoring dengan model yang sama dengan monitoring bagian tengah, perbedaannya adalah bagian



36

monitoring ini menunjukkan monitoring untuk indikator suhu air dengan sistem jika suhu air berada

pada variabel tertentu maka lampu indikatornya akan menyala.

7. Perbandigan Prototype dengan Kolam Budidaya Ikan Nila

Berdasarkan hasil pengujian yang telah dilakukan, dari pengujian ketinggian air, pengujian

suhu air panas dan pengujian suhu air dingin maka selanjutnya akan dianalisa tentang kolam

budidaya ikan nila dan membandingkan dengan hasil yang didapatkan oleh alat prototype.

a. Perbandingan ketinggian air

Ketinggian air atau ketersedian air pada kolam budidaya ikan nila pada dasarnya tidak

mempunyai standar, tergantung pada kondisi yang dibutuhkan seperti pada saat pemeliharaan

induk tinggi air kolam dipertahankan sekitar 50 cm. Kemudian pada pemijahan ikan nila

kedalaman air yang dibutuhkan antara 40-60 cm, dengan luas rata-rata kolam 915 m2. Dengan

kondisi tersebut dibandingkan dengan kondisi prototype yang telah di bangun yaitu luas 900

cm2 dan set point tinggi air adalah 15 cm. Kemudian perbandingan kecepatan debit air yang

masuk pada kolam dengan prototype dapat dilihat pada Tabel 9.

Tabel 9. Perbandingan debit air prototype dengan kolam

No. Prototype Debit air Kolam Debit air

1. 1 cm 0,9 liter 40 cm 366.000 liter

2. 15 cm 13,5 liter 60 cm 549.000 liter

BerdasarkanTabel 9. dapat dilihat perbandingan jika alat yang dirancang diaplikasikan ke

kolam budidaya ikan, maka perbandingan adalah 1:100.

b. Perbandingan suhu air

Suhu air yang optimal untuk pada masa pemijahan ikan nila suhu yang optimal antara 26-

30°C, penelitian lain mengatakan bahwa ikan nila dapat mentolerir suhu antara 15°C sampai

37°C untuk bertahan hidup. Sedangkan suhu air yang optimal sebagai penentu keberhasilan

bagi budidaya ikan nila adalah 25-30°C seperti yang telah dibahas di latar belakang. Untuk

prototype yang dirancang pada penelitian ini diatur set pointnya adalah 27°C, hal ini sebanding

dengan suhu air yang harus dicapai pada kolam budidaya ikan nila agar pembudidayaan ikan

maksimal.

c. Perbandingan rangkaian listrik

Rangkaian listrik yang terdapat pada prototype seperti pada Gambar 13. dengan sumber

tegangan 5 volt untuk wemos, 12 volt untuk motor 1, motor 2 dan kipas angin dan sumber

tegangan AC 220 volt. Sedangkan untuk rangkaia listrik pada kolam budidaya ikan nila dapat

dilihat pada Gambar 14.



37

Gambar 13. Rangkaian listrik prototype

Gambar 14. Rangkaian listrik kolam

Perbandingan rangkaian listrik pada prototype dengan rangkaian listrik pada kolam terletak

pada sumber tegangan untuk motor 1, motor 2 dan kipas angin, yaitu menggunakan sumber

tegangan AC 220 volt. Hal ini disebabkan oleh motor 1, motor 2 dan kipas angin yang

digunakan pada kolam tidak lagi motor dan kipas angin( yang sama yang digunakan untuk

aquarium, motor dan kipas angin yang digunakan adalah motor dan kipas angin AC yang

membutuhkan supply tegangan AC 220 volt.

KESIMPULAN

Berdasarkan analisa pengujian prototype sistem kontrol dan monitoring suhu serta ketinggian

air pada kolam budidaya ikan menggunakan logika fuzzy dengan skala ukuran aquarium 30x30x30

cm, maka dapat disimpulkan sebagai berikut :

1. Alat ini berhasil dirancang dan bekerja untuk mengontrol ketinggian air dengan menggunakan

logika fuzzy dengan debit air yang masuk setiap menitnya yaitu sebesar 3 liter.

2. Alat ini berhasil dirancang dan bekerja untuk mengontrol suhu air dengan kondisi suhu air panas

dan dingin menggunakan logika fuzzy dengan waktu untuk menaikkan suhu sebesar 1°C adalah

38,9 menit dan waktu untuk menurunkan suhu sebesar 1°C adalah 20,4 menit dengan ketinggian

air rata-rata 15 cm atau 13,5 liter.



38

3. Alat ini dapat di monitoring dari jarak jauh dengan koneksi internet menggunakan Internet of

Things (IoT).

SARAN

Berdasarkan hasil dan kesimpulan pada penelitian ini, penulis memberikan beberapa saran,

yaitu:

1. Alat ini dapat dikembangkan dengan menggunakan tambahan sensor, seperti sensor ph air.

2. Alat ini dapat diaplikasikan pada kolam budidaya ikan tawar, seperti ikan nila dan sejenisnya

dengan merubah nilai set point sesuai kebutuhan.

3. Agar alat ini bekerja lebih cepat dalam mencapai set point, perangkat yang digunakan dalam

pengontrolan seperti, kipas angin ditambahkan jumlahnya,kemudian heater yang digunakan

diganti dengan heater 300 Watt atau 500 Watt.

DAFTAR PUSTAKA

Gustiano, R., Arifin, O. Z., & Nugroho, E. (2008). Perbaikan Pertumbuhan Ikan Nila (Oreochromis

Niloticus) dengan Seleksi Famili. Media Akuakultur, 3(2), 98.

https://doi.org/10.15578/ma.3.2.2008.98-106.

Mahali, M. I. (2017). Smart Door Locks Based on Internet of Things Concept with mobile Backend

as a Service. Elinvo (Electronics, Informatics, and Vocational Education), 1(3),171–

181.https://doi.org/10.21831/elinvo.v1i3.14260.

Pramana, R. (2018). Perancangan Sistem Kontrol dan Monitoring Kualitas Air dan Suhu Air Pada

Kolam Budidaya Ikan. Jurnal Sustainable: Jurnal Hasil Penelitian Dan Industri Terapan,

7(1), 13–23. https://doi.org/10.31629/sustainable.v7i1.435

Simanjuntak, AP., Pramana, R., & Nusyirwan. (2013). Pengontrol Suhu Air Pada Kolam

Pendederan dan Pembenihan Ikan Nila Berbasis Arduino. Jurnal Sustainable, Vol.4 No.1,

Mei 2013, ISSN 2087-5347.

Stickney, R.R. (2000). Tilapia culture. Encyclopedia of Aquaculture. A Wiley-Interscience

Publication. p.934-941.

Suripin. (2000).Pelestarian Sumber Daya Tanah dan Air. Yogyakarta : Penerbit Andi.

Suyanto. (1993). Nila. Jakarta : PT. Penebar Swadaya, Anggota IKAPI.

Syaifudin, M., & Akbar, M. (2021). Rancang Bangun Monitoring Sirkulasi Air pada Kolam Ikan

Nila Berbasis Arduino. InfoTekJar : Jurnal Nasional Informatika Dan Teknologi Jaringan, 2.

Tarigan, P. (2013). Sistem Pengendali Pendingin Ruangan Menggunakan Fuzzy Logic Berbasis

Mikrokontroler Atmega 8535. Informasi Dan Teknologi Ilmiah (INTI), 1(1), 86–92.

Yanuar, V. (2016). Perbedaan Suhu Air Dalam Akuarium Pemeliharaan Terhadap Laju

Pertumbuhan Benih Ikan Nila (Oreochiomis niloticus). Juristek, 5 (1), 152-158.

Yuliana, D.E. (2018). Kendali Suhu Berbasis Fuzzy Logic Pada Model Kolam Pembibitan Ikan

Gurami. Masters thesis, Fakultas Teknologi Industri UNISSULA.

https://doi.org/10.15578/ma.3.2.2008.98-106

https://doi.org/10.21831/elinvo.v1i3.14260

https://doi.org/10.31629/sustainable.v7i1.435

Documents

PROTOTYPE SISTEM KONTROL DAN MONITORING SUHU …